改進(jìn)的粒子群優(yōu)化算法（APSO和DPSO）研究.pdf

1、粒子群優(yōu)化(PSO)算法由Kennedy和Eberhart于1995年提出，是群體智能優(yōu)化方法中具典型代表性的算法，具有廣泛的應(yīng)用領(lǐng)域，例如神經(jīng)網(wǎng)絡(luò)訓(xùn)練，工程優(yōu)化等。 PSO的基本思想是群體中的每一個成員通過學(xué)習(xí)自身和群體中其他成員的信息以決定下一步動作，即一個粒子通過追隨兩個目標(biāo)點(diǎn)(分別代表自身信息和其他成員信息)進(jìn)行尋優(yōu)，第一個目標(biāo)點(diǎn)為自身歷史最優(yōu)點(diǎn)，第二個目標(biāo)點(diǎn)有兩種：一種是種群最優(yōu)點(diǎn)(稱為全局版PSO)，另一種是鄰域最優(yōu)

2、點(diǎn)(稱為局部版PSO)。PSO計(jì)算簡單有效、魯棒性好。但是，PSO最大弱點(diǎn)是在處理多峰函數(shù)優(yōu)化問題時，容易出現(xiàn)早熟收斂，并且搜索后期的局部搜索能力較差。如何解決上述問題并進(jìn)一步提高PSO的性能，一直是PSO研究的重要開放性課題。 本文的研究目的，一是從理論方法上研究一種性能較好算法，二是從應(yīng)用上將這種方法既用于高效求解函數(shù)優(yōu)化又用于求解Packing問題，最終期望用它作為求解衛(wèi)星艙布局設(shè)計(jì)混合方法中的有效組成部分。由此，本文嘗試

3、從研究修改粒子搜索路徑的角度，通過構(gòu)造新的速度更新公式，提出了兩種改進(jìn)的粒子群優(yōu)化算法，分別為活躍目標(biāo)點(diǎn)粒子群優(yōu)化(APSO)算法和探測粒子群優(yōu)化(DPSO)算法，并應(yīng)用于求解函數(shù)優(yōu)化和約束布局優(yōu)化問題。本文的工作主要包括以下兩個方面： (1)提出了一種活躍目標(biāo)點(diǎn)粒子群優(yōu)化(APSO)算法。基本思想是，在標(biāo)準(zhǔn)PSO速度更新公式中引入第3個目標(biāo)點(diǎn)，稱為活躍目標(biāo)點(diǎn)，從而構(gòu)成新的基于3目標(biāo)點(diǎn)速度更新機(jī)制的粒子速度更新公式。APSO的優(yōu)

4、點(diǎn)是較好地克服了PSO的早熟收斂問題，并兼具復(fù)合形法射線搜索的能力；缺點(diǎn)是增加了一定的額外計(jì)算開銷。 (2)提出了一種探測粒子群優(yōu)化(DPSO)算法?；舅枷胧?，選定少數(shù)粒子，令其單獨(dú)進(jìn)行有別于普通粒子折線搜索路徑，而是利用螺旋折線搜索路徑搜索，該粒子稱為探測粒子。整體上，該探測粒子與種群中其他普通粒子聯(lián)合進(jìn)行更高效率的搜索。DPSO的優(yōu)點(diǎn)是在避免PSO的早熟收斂的基礎(chǔ)上，進(jìn)一步提高了PSO的收斂速度和收斂精度；缺點(diǎn)與APSO類